每次测试都过关，能保证统一的稳定指标吗？#

假设有一批图像处理器，对你固定的一张测试图，输出都没有爆炸；换另一张图，输出也各自有上界。你想知道能否找到一个统一系数，控制所有处理器面对所有单位大小输入的输出。

“每张图各有一个上界”与“全体图像共享一个上界”并不是同一句话。在无限维模型里，它们甚至可以分开。下面的一致有界原理说明，加入完备性和线性连续性后，前者确实能推出后者。

这不是说测试有限几张照片就能认证全部算法。数学假设要求对空间内每个输入成立；它解释的是这种完整逐点信息为什么能被升级为统一结论。

先区分两种看起来很像的测试承诺#

承诺 A：对每个固定输入 $x$，所有处理器输出的大小有上界，记为 $C_x$。承诺 B：存在一个共同的 $C$，对所有处理器和所有输入都有 $\|T_\alpha x\|\le C\|x\|$。

A 允许不同图片对应完全不同的常数，没有直接限制单位球上最难处理的图片不断换来换去。B 才是产品通常想要的统一稳定指标。一致有界原理从 A 到 B 的跃迁，依赖线性、连续和定义域完备性，任何一项都不能仅凭故事替代。

一个能亲手算出失败的模型#

只允许有限个通道非零，即定义域为 $c_{00}$，定义第 $n$ 台仪器为 $T_n(x)=nx_n$。对固定输入，后面的坐标最终全零，因此所有仪器读数有界。

但对第 $n$ 台仪器，专门输入单位信号 $e_n$，就得到读数 $n$。每台仪器总有一张特别糟糕的测试图，因此统一放大率发散。

缺失的正是完备性：把二范数 Cauchy 近似补全到 $\ell^2$ 后，输入范围变大，承诺 A 不再成立。例如可选择稀疏尾部，让某些 $nx_n$ 越来越大。定理没有被反例推翻，是前提已改变。

三个原理分别帮你免掉哪种困难#

一致有界让你从逐点信息找到共同常数。开映射定理让你从满射与完备性推出小输出能够由受控的小输入实现。有界逆是双射时的版本：每个输出既有唯一输入，又能稳定恢复。

闭图定理适合另一种情形：直接估计 $\|Tx\|$ 很难，但可以确认输入输出同时收敛时不会配错极限。它用空间完备性把这种闭合关系升级为有界性。

为什么闭图不等于已经连续#

连续会保证输入序列收敛时，输出必然跟着收敛。闭图只说：如果输出碰巧也收敛，其极限必须正确。

求导的例子中，小振幅高频函数趋零，导数却不收敛到零；这没有违背闭图条件，因为那列导数根本没有在所需范数下收敛。再加上算子并非定义在整个大空间，就无法调用标准闭图定理。读定理时，把“如果”后面每一个条件都检查，才不会把结论用错。

带你做：一个闭图算子为何仍可能无界#

考虑连续可导函数上的求导，函数与导数都用最大范数衡量。若 $f_n\to f$ 且 $f_n'\to g$ 一致，那么由 $f_n(t)-f_n(0)=\int_0^tf_n'(s)ds$ 取极限，得到 $f(t)-f(0)=\int_0^tg(s)ds$，故 $f'=g$。

这证明图像闭。但 $f_n=\sin(nt)/n$ 仍显示算子无界。两者能同时成立，是因为定义域只是 $C^1$，不是整个 $C$；并且 $C^1$ 配纯最大范数不完备。

若把定义域改配 $C^1$ 范数，它成为 Banach 空间，求导也有界。不要把闭图定理理解成“图像看起来没有断裂，就不必管定义域了”。

这道核验题要求你准确写出空间、范数、定义域和收敛方式。只有把这些信息补齐，一个算子结论才是可检查的完整陈述。

回头整理：定义、工具与练习#